四足动物在森林里奔跑跳跃时，会根据地形自动切换步态——遇到平路就小跑，碰到障碍就起跳，下坡时又换成另一种姿态着陆。这种"无缝切换"的能力，一直是四足机器人领域的研发追求。

现在，来自韩国科学技术院（KAIST）和高丽大学的研究团队，让他们的KAIST HOUND机器人做到了。在跳下三级楼梯的瞬间，这台机器人达到了6m/s的峰值速度，对应的弗劳德数高达7.69。在跨越60厘米高台阶时，瞬时速度也达到了4.25m/s。更关键的是，这一切都依赖机载传感器和计算完成——没有动作捕捉系统，没有外部计算支持，完全自主感知、自主决策。

这项成果以"Agile perceptive multiskill locomotion for quadrupedal robots in the wild"为题，登上了国际权威期刊Science Robotics最新一期的封面。

01.

核心思路：用2D简化数据，撬动3D复杂运动

这篇论文提出的框架叫APT-RL（Action Pretrained Transformer–based Reinforcement Learning），核心思路可以概括为一句话：先用简化的2D动力学模型大规模生成运动数据，再通过表征学习和强化学习逐步将这些"平面经验"迁移到真实3D世界。

传统方法面临一个困境：要么依赖动物运动捕捉数据（昂贵且难以大规模获取），要么直接从头训练强化学习策略（样本效率低，奖励函数难调）。APT-RL的解决方案是，把机器人建模为2D平面内的单刚体，在这个简化模型上进行轨迹优化（Trajectory Optimization, TO）。

这么做的好处非常明显。研究团队仅用约8分钟，就生成了18万条轨迹、总时长15.5小时的运动数据，涵盖了−2到7m/s的速度范围，包括trot（对角小跑）和bound（跳跃奔跑）两种步态。由于使用解析Bézier曲线表示GRF（地面反作用力）和轨迹，雅可比矩阵和海森矩阵都可以解析计算，每条轨迹的平均优化时间只有21.582微秒。

这些数据虽然来自2D平面，但保留了质心动力学、角动量和接触时序等关键运动特征。研究团队随后用Transformer-based VAE（TVAE）对这些数据进行表征学习，将trot和bound两种步态编码到统一的潜在空间中，同时训练出与步态对应的力矩解码器。整个过程不需要任何强化学习——纯粹通过重建学习和监督学习完成。

02.

从平地到野外：辅助动作让策略"超纲发挥"

有了预训练的力矩解码器之后，接下来的关键问题是：2D平面数据怎么应对真实3D环境中的复杂地形？

APT-RL的答案是在强化学习阶段引入辅助动作（auxiliary action）。策略网络同时输出三个部分：潜在动作（用于驱动预训练解码器生成力矩）、辅助动作（通过PD控制器生成补偿力矩）、以及步态选择信号。最终施加在关节上的力矩，是解码器输出和辅助动作的组合。

这种设计的精妙之处在于，解码器提供了稳定的运动"骨架"，辅助动作则负责适应训练数据中未曾见过的情况。论文通过三个场景验证了这一点：在跳跃木头时，辅助力矩在起跳瞬间显著增大，产生了预训练数据中不存在的跳跃动作；在腿部断裂的极端情况下，策略自动降低解码器力矩、增大辅助力矩来维持平衡；在原地旋转时，由于2D数据中完全没有髋关节外展/内收方向的力矩信息，该方向完全由辅助动作驱动。

在步态选择方面，策略以2Hz的频率决定使用trot还是bound。研究团队发现，策略的步态偏好与速度、地形类型和难度三个因素联合相关：在高台阶、栏杆和间隙地形中，即使速度较低也倾向于选择bound；而在离散和粗糙地形上，trot占比更高，只有速度增大后才逐渐切换到bound。与固定单一步态的策略相比，自动切换策略在最佳性能率（44.44% vs 23.81%/31.75%）、平均相对性能遗憾（4.99% vs 24.63%/13.28%）和最差情况归一化分数（0.711 vs 0.028/0.137）三项指标上全面领先。

03.

感知融合与真实世界验证

高速运动对感知系统提出了极高要求。以4m/s以上的速度奔跑时，步态规划频率为2Hz，这意味着机器人至少需要4米以上的前方感知距离才能做出及时决策。然而常用的D435深度相机有效范围仅约0.3到3米。

为此，研究团队将深度相机与2D LIDAR结合：深度相机提供密集的近距离局部几何信息，LIDAR则以40Hz的更新率提供远距离稀疏观测。两种模态的数据经过CNN和GRU编码器处理后，生成统一的感知嵌入。消融实验表明，单独使用任一传感器的成功率都低于双模态融合方案。

在真实世界部署中，研究团队还遇到了一个工程难题：高速运动产生的冲击加速度经常超过10g，导致LIDAR传感器测量不稳定甚至关机。他们通过在机器人头部和LIDAR之间加装3D打印的机械减振器解决了这一问题。

最终，整个系统实现了零样本sim-to-real迁移。KAIST HOUND在以下场景中完成了验证：1.1公里的校园城市环境穿越（包含多层楼梯、草地和斜坡），0.34公里的森林野外穿越（包含倒树、裸露树根、不平整圆木和落叶覆盖的湿滑地面），以及室内障碍课程（包含楼梯攀爬和90厘米高台跳下）。

04.

与现有方法的对比中，APT-RL展现出明显优势。相比AMP（对抗运动先验），APT-RL在所有测试地形上都实现了更低的运输成本（COT）。相比分层强化学习（HRL）加残差策略的方案，APT-RL在适应未见地形时达到了更高的速度追踪奖励和地形难度级别，且总样本消耗更少。在动态步态切换的鲁棒性测试中（2Hz随机切换、50%概率），APT-RL在各种速度和地形难度组合下的切换成功率都显著高于HRL基线。

当然，研究团队也坦承了当前的局限。目前的框架主要针对矢状面内的前后运动，对快速转弯和横向行走的支持有限。步态类型也只有trot和bound两种，未来扩展到pace、gallop或crawl将进一步提升适应性。此外，论文还展示了APT-RL在ANYmal、Go1以及KAIST HOUND双足模式上的初步结果，说明这一框架具备跨平台迁移的潜力。

从8分钟生成的2D简化数据出发，到在野外以6m/s的速度自如奔跑——APT-RL证明了一个重要观点：好的运动先验不需要多复杂，关键在于如何高效利用。

论文链接：

https://www.science.org/doi/10.1126/scirobotics.adz7397